AI 摘要和深度分析不必固定使用同一个模型。更稳妥的做法是按任务建立最低质量门槛:先淘汰会漏关键事实、改写结论或无法稳定输出格式的候选,再在合格模型中比较速度与成本。简单提取可以优先使用响应快、单价低的模型;跨文档推理、冲突消解和高风险结论应使用更强模型,并保留来源与人工复核。
“模型越强越好”会让大量简单任务承担不必要的成本和等待;“模型越便宜越好”则可能把返工、重试和错误决定藏在单次调用价格之外。真正需要优化的是完整任务的质量、耗时和总成本,而不是某个供应商页面上的一项参数。
先把“摘要”拆成不同任务
| 任务类型 | 主要输出 | 优先看什么 | 失败后果 |
|---|---|---|---|
| 提取式摘要 | 日期、负责人、金额、待办和原文引句 | 事实准确、字段完整、格式稳定 | 漏字段或抄错数字 |
| 结构化归纳 | 主题、问题、共识、分歧和下一步 | 分类一致、边界清楚、来源可追溯 | 合并了不相同的问题 |
| 深度分析 | 跨材料比较、因果假设、方案取舍和风险 | 证据覆盖、推理质量、不确定性表达 | 把相关性写成因果,或漏掉反例 |
同一份会议纪要可以同时产生三类任务。阿里云百炼的深度思考文档说明部分模型可切换思考模式,并介绍深度思考在逻辑推理、数学计算等复杂任务中的作用。对于简单摘要,可以先测试非思考模式;复杂分析再评估思考模式,最终以任务样本的质量和耗时决定。先用较快模型提取行动项,再用较强模型分析跨部门依赖,比让一个模型一次完成所有工作更容易评测和控制。若深度分析依赖长文档,还要先确认读取范围;模型能力不能补回从未进入上下文的证据。
建立一张能做决定的模型任务评测表
阿里云百炼的模型评测说明支持通过自定义数据集、客观指标和人工评价比较模型。企业可以先为摘要与分析分别建立质量门槛,再用同一批样本测量延迟与完整成本。落地时可使用下面的任务级表:
| 评测项 | 如何记录 | 建议判定 |
|---|---|---|
| 样本范围 | 普通、边界、冲突、长文档和异常格式各有多少条 | 样本覆盖真实任务,不只选容易案例 |
| 关键事实 | 必须保留的数字、条件、例外和结论 | 关键项错误可设为直接不通过 |
| 依据性 | 每个重要断言能否回到文档位置 | 无证据外推单独计错 |
| 格式稳定 | 表格、JSON 或固定章节是否可持续解析 | 统计成功率与修复次数 |
| 延迟 | 中位数及较慢请求的分位值 | 按交互式或批处理目标分别设限 |
| 完整成本 | 输入、输出、重试、工具调用和人工复核 | 按成功完成一项任务计算 |
| 稳定性 | 同一输入重复运行的关键结论是否一致 | 关键字段波动需查提示或模型 |
| 数据边界 | 模型服务、区域、留存和可用功能 | 不满足边界的候选不进入排名 |
先设硬门槛,再看综合分。比如合同摘要要求金额、期限、违约条件全部正确,任何一项错都不应被“语言流畅”平均掉。客服对话的主题归类可以允许少量边界差异,但要检查是否影响后续统计和决策。
预算要按完整任务算,不按单次请求算
下面只演示算法,所有单价和任务量均为假设,不是任何供应商报价,也不是实测结果。假设每月有 1000 项任务,每项平均输入 2 万 token、输出 2000 token;“轻量模型”虚拟单价为输入 2 元、输出 8 元每百万 token,“强模型”为输入 12 元、输出 48 元每百万 token。
| 策略 | 计算 | 示例月成本 |
|---|---|---|
| 全部使用强模型 | 20 百万输入 × 12 + 2 百万输出 × 48 | 336 元 |
| 70% 轻量、30% 强模型 | 14 × 2 + 1.4 × 8 + 6 × 12 + 0.6 × 48 | 140 元 |
在这组假设下,分层路由少 196 元,约 58.3%。这个比例不能外推到真实项目:实际还要加入失败重试、缓存、批处理折扣、工具调用、图片或 Embedding、人工复核和汇率税费。供应商会调整模型与价格,正式预算应以采购时的阿里云百炼模型价格页、DeepSeek 模型与价格页或对应供应商合同为准,并注明核对日期。
用路由规则控制升级,而不是让模型自己随意选
- 默认层:已通过评测的轻量模型处理低风险提取与固定格式任务。
- 升级层:出现冲突证据、长上下文、复杂计算、低置信信号或格式修复失败时,转到更强模型。
- 人工层:合同承诺、合规判断、对外数字和不可逆操作由责任人复核。
- 回归层:模型版本、提示词、检索或工具改变后,用同一评测集重跑并记录差异。
石墨办公截至本文查阅日的公开事实说明,私有部署可接入企业自己的模型,基础模型需要兼容 OpenAI Responses 协议并支持流式输出,具体已验证模型、版本和数据流向应按拟采购版本与实际接入方案核验。不要把“协议兼容”写成所有模型、所有功能都已适配。可通过石墨办公套件私有部署和石墨办公文档中台私有部署核对产品范围,并在2026.11 私有化协作 Office 白皮书查看模型、Agent 与文档基础设施的关系。
从十到三十条代表任务开始
先选一批已脱敏、能人工判定的摘要与分析任务,为每条写清必须项、不可外推项和证据位置。让候选模型在相同条件下运行,先淘汰未过质量或数据边界门槛的模型,再比较延迟和完整成本。需要把模型路由、文档读取、结果回写和人工验收组成交付流程,可参考Office Agent 交付方案并预约演示;希望先验证基础体验,可从产品试用开始。